imageryBaseMapsEarthCover
Type of resources
Available actions
Topics
Keywords
Contact for the resource
Provided by
Years
Formats
Representation types
Update frequencies
status
Service types
Scale
-
The Paraiba State Mosaic was generated with technologies under development in the Brazil Data Cube project, using the best pixel (free of cloud and cloud shadows) for three months (April, May, and June 2020). This mosaic was generated using CBERS-4A (55 meters).
-
The CBERS-4 WFI Brazil Mosaic covers the entire Brazilian territory. The mosaic uses surface reflectance images from the CBERS satellite, a WFI imaging camera (or sensor) with 64 meters of spatial resolution. It is a composition of images from April to June 2020, selecting the best pixel within the period. The final product is an RGB color composite with the red (B15), NIR (B16), and blue (B13) bands.
-
CBERS-4/PAN10M - Level-4 Digital Number. L4 product provides orthorectified images.
-
Earth Observation Data Cube generated from CBERS-4/WFI Level-4 SR product over Brazil extension. This dataset is provided in Cloud Optimized GeoTIFF (COG) file format. The dataset is processed with 64 meters of spatial resolution, reprojected and cropped to BDC_LG grid Version 2 (BDC_LG V2), considering a temporal compositing function of 16 days using the Least Cloud Cover First (LCF) best pixel approach.
-
Áreas recobertas por nuvens e sombras quando houve a captação da imagem de satélite utilizada no mapeamento e recortadas pelos limites do bioma Amazônia(*). Os limites dos biomas brasileiros foram alterados conforme publicação do IBGE de 30/10/2019. Este conjunto de dados foi ajustado para o novo recorte. https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/25798-ibge-lanca-mapa-inedito-de-biomas-e-sistema-costeiro-marinho (*) Consulte os metadados de "Limites do Bioma Amazônia" para informações sobre os limites do bioma que estamos usando nesta operação: http://terrabrasilis.dpi.inpe.br/geonetwork/srv/eng/catalog.search#/metadata/481e439e-b0fa-4cb0-890b-11941264db69 Descrição dos atributos do dado composto por: nome do atributo, tipo do dado e descrição --------------------------------------------------------------------------------------------------------------------------- uuid - uuid - identificador único universal de cada feição uid - número inteiro - identificador numérico usado na exportação do dado para arquivos; state - texto - estado/unidade da federação path_row - texto - código da cena formado por linha/coluna da grade de passagem do satélite Landsat main_class - texto - nome da classe principal atribuída à feição class_name - texto - nome da classe específica atribuída à feição def_cloud - número - Ano que indica desde quando esta área está coberta por nuvens. Fazendo a diferença do ano corrente onde se detectou o desmatamento e def_cloud, temos o número de anos coberto por nuvens. julian_day - número - dia juliano image_date - texto - data da cena usada para obter a feição year - número - ano do desmatamento, usado para facilitar as consultas ao banco de dados area_km - número - área calculada para a feição em km² scene_id - número - identificador da cena no banco de dados, usado para consultas publish_year - data - usado para permitir a publicação do dado no GeoServer com dimensão temporal source - texto - origem do polígono (amazonia, cerrado, caatinga, mata_atlantica, pampa, pantanal), caso o polígono tenha sido incorporado de outro projeto, por exemplo, devido à alteração do mapa de biomas ou ainda às zonas da amazônia legal no cerrado e pantanal satellite - texto - nome do satélite. Em geral será o landsat mas em alguns casos, outro satélites podem ser utilizados sensor - texto - nome do sensor que obteve a imagem geom - feição composta por um ou mais polígonos - geometria obtida por interpretação visual de imagem de satélite A lista de atributos é padronizada com o dado de desmatamento, classe principal do PRODES. Para as demais classe o preenchimento ocorre apenas quando aplicável.
-
Kd data generated based Semi-Analytical Algorithm developed by Maciel et al. (2020) (https://doi.org/10.1016/j.isprsjprs.2020.10.009). The underwater light field modeling is essential for the understanding of biogeochemical processes, such as photosynthesis, carbon fluxes, and sediment transports in inland waters. Water-column light attenuation can be quantified by the diffuse attenuation coefficient of the downwelling irradiance (Kd). This dataset represents the Kd estimate for a Sentinel-2/MSI time-series at Curuai Lake region - Lower Amazon floodplains. This time-series data was generated for 66 Sentinel-2/MSI scenes (08/2015 to 09/2019) during the research paper titled Mapping of diffuse attenuation coefficient in optically complex waters of amazon floodplain lakes. This product was funded by the Brazilian Development Bank (BNDES), Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).
-
High-Resolution Projections of Climate Change over South America.
-
AMAZONIA-1/WFI - Level-4 Surface Reflectance product. L4 SR product provides orthorectified surface reflectance images. This dataset is provided as Cloud Optimized GeoTIFF (COG).
-
O Instituto Nacional de Pesquisas Espaciais (INPE) através do Programa de Monitoramento da Amazônia Brasileira por Satélites (PRODES) realiza o monitoramento da supressão de florestas primárias na Amazônia desde 1988. A partir de 2023 este programa também passa a realizar o monitoramento da supressão de fitofisionomias não florestais no bioma Amazônia na sua porção brasileira. Estas áreas cobrem cerca de 280 mil km², o que corresponde a 6,6 % da área do bioma. A fim de atender às demandas da sociedade brasileira, da comunidade científica nacional e internacional, de governos e dos parceiros do setor produtivo, o INPE iniciou o monitoramento sistemático das fitofisionomias não florestais do bioma Amazônia. O “PRODES Amazônia fitofisionomias não florestais” tem como objetivo gerar uma série histórica de dados de supressão de vegetação não florestal a partir de 2000. A metodologia adotada no PRODES (ALMEIDA et al, 2022) foi tomada como base e feitas as adaptações e adequações metodológicas necessárias para realizar a detecção da supressão da vegetação nativa não florestal. Os incrementos de supressão em não floresta foram detectados, de 2000 a 2014, por meio de imagens dos sensores Thematic Mapper (TM), Enhanced Thematic Mapper Plus (ETM +) e Operational Land Imager (OLI) a bordo, respectivamente, dos satélites Landsat 5, Landsat 7 e Landsat 8 (NASA/USGS). A partir de 2016 optou-se por empregar imagens do sensor Multi-Spectral Instrument (MSI) a bordo dos satélites Sentinel-2A e 2B (ESA). Um primeiro mapeamento, chamado de mapa base, foi produzido indicando a supressão detectada em imagens do ano 2000. De 2002 a 2018 foram mapeados incrementos bienais de supressão, exceto para o ano de 2012, o qual foi substituído por 2013 em virtude da ausência de imagens Landsat com requisitos mínimos de qualidade. A partir de 2018 o mapeamento dos incrementos de supressão da vegetação nativa não florestal passou a ser anual seguindo a temporalidade dos dados de desmatamento. O mapeamento foi realizado por uma equipe de analistas por meio da interpretação visual de imagens de satélite, utilizando ferramentas de vetorização de polígonos de supressão de vegetação não florestal diretamente na tela do computador. Os polígonos detectados foram submetidos ao processo de auditoria, por auditores seniores que realizaram a conferência de todos os polígonos e promoveram ajustes necessários para garantir a qualidade dos dados. Após auditadas todas as cenas, um pós-processamento foi realizado onde aplicou-se um filtro de eliminação de polígonos menores que 1 ha, considerada a área mínima mapeável. O PRODES considera como desmatamento a supressão da vegetação nativa, independentemente da futura utilização destas áreas. Os limites dos biomas brasileiros foram alterados conforme publicação do IBGE de 30/10/2019. Este conjunto de dados foi ajustado para o novo recorte. https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/25798-ibge-lanca-mapa-inedito-de-biomas-e-sistema-costeiro-marinho (*) Consulte os metadados de "Limites do Bioma Amazônia" para informações sobre os limites do bioma que estamos usando nesta operação: https://terrabrasilis.dpi.inpe.br/geonetwork/srv/eng/catalog.search#/metadata/0d88678e-4cdb-44f3-9b1d-8edc00bc4122 Descrição dos atributos do dado composto por: nome do atributo, tipo do dado e descrição --------------------------------------------------------------------------------------------------------------------------- uuid - uuid - identificador único universal de cada feição uid - número inteiro - identificador numérico usado na exportação do dado para arquivos; state - texto - estado/unidade da federação path_row - texto - código da cena formado por linha/coluna da grade de passagem do satélite Landsat main_class - texto - nome da classe principal atribuída à feição ("residuo", "hidrografia", "desmatamento"). class_name - texto - nome da classe específica atribuída à feição ("residuo","r2022","hidrografia","dYYYY" onde YYYY=ano com 4 dígitos a partir de 2000) def_cloud - número - Ano que indica desde quando esta área está coberta por nuvens. Fazendo a diferença do ano corrente onde se detectou o desmatamento e def_cloud, temos o número de anos coberto por nuvens. Preenchido quando aplicável. julian_day - número - dia juliano image_date - texto - data da cena usada para obter a feição. year - número - ano do desmatamento, usado para facilitar as consultas ao banco de dados area_km - número - área calculada para a feição em km² scene_id - número - identificador da cena no banco de dados, usado para consultas publish_year - data - usado para permitir a publicação do dado no GeoServer com dimensão temporal. source - texto - origem do polígono (amazonia, cerrado, caatinga, mata_atlantica, pampa, pantanal), caso o polígono tenha sido incorporado de outro projeto, por exemplo, devido à alteração do mapa de biomas ou ainda às zonas da amazônia legal no cerrado e pantanal. satellite - texto - nome do satélite. Em geral será o landsat mas em alguns casos, outro satélites podem ser utilizados. sensor - texto - nome do sensor que obteve a imagem. geom - feição composta por um ou mais polígonos - geometria obtida por interpretação visual de imagem de satélite. A lista de atributos é padronizada com o dado de desmatamento, classe principal do PRODES. Para as demais classe o preenchimento ocorre apenas quando aplicável.
-
CBERS4/WFI - Level-2 Digital Number product. Level 2 products have radiometric correction and geometric correction using satellite ephemeris and attitude data (system correction).